Modeling of mixed data for Poisson prediction

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21260%2F20%3A00341637" target="_blank" >RIV/68407700:21260/20:00341637 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1109/SACI49304.2020.9118836" target="_blank" >https://doi.org/10.1109/SACI49304.2020.9118836</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/SACI49304.2020.9118836" target="_blank" >10.1109/SACI49304.2020.9118836</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Modeling of mixed data for Poisson prediction

Popis výsledku v původním jazyce

The paper deals with the task of modeling mixed continuous Gaussian and discrete Poisson data observed on a multimodal system. The proposed solution is based on recursive algorithms of Bayesian mixture estimation. The main contributions of the approach are: (i) the use of the discretized information of normal variables in the form of their clusters in order to keep the one-pass recursive estimation methodology and (ii) the prediction of the multimodal Poisson variable. Experiments with simulated and real data are presented.

Název v anglickém jazyce

Modeling of mixed data for Poisson prediction

Popis výsledku anglicky

The paper deals with the task of modeling mixed continuous Gaussian and discrete Poisson data observed on a multimodal system. The proposed solution is based on recursive algorithms of Bayesian mixture estimation. The main contributions of the approach are: (i) the use of the discretized information of normal variables in the form of their clusters in order to keep the one-pass recursive estimation methodology and (ii) the prediction of the multimodal Poisson variable. Experiments with simulated and real data are presented.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the IEEE 14th International Symposium on Applied Computational Intelligence and Informatics SACI 2020

ISBN

978-1-7281-7377-1

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

77-82

Název nakladatele

IEEE Hungary Section, University Obuda

Místo vydání

Budapest

Místo konání akce

Timisoara

Datum konání akce

21. 5. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—